视频运动目标跟踪是机器视觉、图像处理及模式识别领域的重点研究课题之一。光流法是视频运动目标跟踪的一种重要算法,具有精确度高、可以直接获得运动目标的运动参数等优点,但算法复杂、实时性较差,因此设计实时光流算法和相应的硬件处理平台仍然是目前的研究重点。Lucas-Kanade算法是实现光流计算的一种重要方法,与以往方法相比,其精确度高,算法结构简单,更适合于应用在实时处理领域。通过Matlab仿真优化算法的各个环节,以便在实时性和精确度方面达到理想的平衡。在图像预处理阶段,采用3D平滑高斯模板进行低通滤波,有效地消除了图像的量化噪声,提高了相邻像素的相关性。在导数的计算方面采用经过优化的非高斯3D匹配滤波器,与传统的2D导数滤波器和基于高斯的3D导数滤波器相比,精确度更高,达到了理想的效果。随着FPGA技术的不断进步,其速度、内部乘法器和内部RAM不断增加,而且内部资源配置灵活,不限制流水线级数,较以往的DSP、PC等更适合于实时视频处理,因此选择以CycloneⅡ系列FPGA为核心的DE2-70开发系统作为实时视频处理平台,实现基于Lucas-Kanade算法的实时光流计算。在3D平滑和3D导数滤波中,设计了相应的内存管理单元(MMU),并采用了先时间后空间的滤波顺序,有效地降低了图像缓存的容量和逻辑单元的占用率,另外在浮点运算单元采用了IP核完成实时处理。经过整体流水线结构的合理安排,以及各级子流水线的细化,实现了对640×480分辨率30帧/s的视频图像进行实时运动目标跟踪。